El objetivo de esta notebook es aprender los pilares de
ggplot2 para realizar gráficos en R y los de
plotly para generar gráficos interactivos y publicarlos
online a través de Chart
Studio.
Antes de continuar, te aconsejo que antes de lanzarte a probar gráficos a lo loco, tengas claro que tipos de datos tienes y cuáles serían las mejores visualizaciones para ello. Aquí tienes esta web que te puede ser de ayuda.
1 Preparación
Los paquetes necesarios para ejecutar esta notebook son los siguientes.
library(ggplot2)
library(plotly)
library(dplyr)
library(viridis)
Para esta ocasión trabajaremos con un dataset de Pokémon que incluye los 802 Pokémon de las siete generaciones con sus atributos.
df <- read.csv('data/pokemon.csv')
head(df)2 ggplot2
2.1 Introducción
ggplot2 es un potente paquete para la elaboración de
gráficos en R y que funciona a través de pipelines (el operador
pipeline es +). Dentro de este flujo de trabajo existen
varias funciones y parámetros que son fundamentales para la elaboración
de un gráfico:
ggplot() - función base para la construcción del gráfico
geom - funciones que especifican el tipo de representación de los datos (puntos, líneas, boxplots…) y se añaden al gráfico base mediante capas
data - parámetro que indica el dataframe a partir del cual se construirá el gráfico
aes() - función en la que se especifican qué variables del dataframe se incluyirán en el gráfico y cómo
De esta forma, para construir por ejemplo un gráfico scatter plot con nuestro datset de Pokémon en el que queremos colocar los puntos de ataque (attack) en el eje x y los de defensa (defense) en el eje y, realizaríamos lo siguiente. Date cuenta de que por defecto ordena ambos ejes de menor a mayor 🤔.
ggplot(data=df, aes(x=sp_attack, y=defense)) +
geom_point()
Todo lo especificado en ggplot() es heredado por el
resto de funciones, aunque es posible pasar directamente los datos y
variables en las funciones geom que usemos (útil para combinar
diferentes visualizaciones, como veremos más adelante 🤫).
ggplot() +
geom_point(data=df, aes(x=attack, y=defense)) +
geom_line()
Es posible introducir en aes() también una tercera o
cuarta variable para establecer tamaños o colores. Aunque en función del
geom que estemos usando puede tener variaciones. Consulta para ello la
ayuda de cada función 🧐.
help('geom_point')En base a lo que admite geom_point() voy a incluir la en
color la defensa (defense) y en tamaño los puntos de vida
(hp).
ggplot(data=df, aes(x=attack, y=defense, color=base_total, size=hp)) +
geom_point()
Estos parámetros no tienen que estar asociados a una variable, pueden
ser una constante. Por ejemplo, se puede indicar que el tamaño sea en
todos los casos el mismo valor. Aunque debes indicarlo directamente en
la función geom correspondiente y fuera de aes().
ggplot(data=df, aes(x=attack, y=defense)) +
geom_point(size=2, color='#ffc83d')
Algunos apuntes importantes antes de continuar:
- Es posible generar el gráfico en una variable para facilitar distintas pruebas ahorrando código.
df_plot <- ggplot(data=df, aes(x=attack, y=defense, color=base_total))
df_plot +
geom_point(size=2)
Ten en cuenta que tipo de variable tienes, confundir variables discretas y continuas es común 🤕. Si tenemos un variable de tipo
integerautomáticamente la tomara como continua, pero si es discreta tenemos que modificarla antes.ggplot(data=df, aes(x=attack, y=defense, color=generation)) + geom_point(size=2)
df$generation <- as.character(df$generation) ggplot(data=df, aes(x=attack, y=defense, color=generation)) + geom_point(size=2)
Combinar dos gráficos (capas) es muy sencillo, solo tienes que añadir dos geoms en el orden que quieras. Pero ten en cuenta que variables quieres usar, pues es posible que tengas que especificarlas directamente dentro de estas. 🫣Atención a que no existan problemas con las escalas al combinar.
ggplot() +
geom_line(data=df, aes(x=pokedex_number, y=hp), color='#f47267') +
geom_line(data=df, aes(x=pokedex_number, y=defense), color='#5880ab')
- Es posible dividir el gráfico en paneles de acuerdo a una variable
con
facet_wrap(). En esta función especificas qué variable enfrentas a otra/s. Por ejemplo, el gráfico anterior dividirlo por generación (generation).
ggplot() +
geom_line(data=df, aes(x=pokedex_number, y=hp), color='#f47267') +
geom_line(data=df, aes(x=pokedex_number, y=defense), color='#5880ab') +
facet_wrap(.~generation, scales='free')
2.2 geoms
Ahora que ya conocemos un poco la forma de trabajar básica de
ggplot2, vamos a revisar los principales gráficos que
podemos hacer.
2.2.1 Líneas - geom_line() y geom_smooth()
Podemos construir gráficos de lineas con geom_line(), de
manera obligatoria es necesario indicar la posición de x e y. Por
ejemplo, la evolución del ataque (attack) de los Pokémon por
orden de posición en la Pokédex (pokedex_number), coloreando
las líneas en base a la generación (generation).
ggplot(data=df, aes(x=pokedex_number, y=attack, color=generation)) +
geom_line()
Es posible hacer lineas de regresión mediante
geom_smooth(). Por defecto estimará el tipo de regresión
que mejor se ajusta.
ggplot(data=df, aes(x=pokedex_number, y=attack, color=generation)) +
geom_line() +
geom_smooth()## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'
Fíjate en el ejemplo, que agrupa por generación porque de base le
digo que establezca dicha diferencia 🥴. Si quisiera una línea de
regresión general, una opción sería hacer esa distinción de color
específica de geom_line().
ggplot(data=df, aes(x=pokedex_number, y=attack)) +
geom_line(aes(color=generation)) +
geom_smooth()## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'
2.2.2 Puntos - geom_point()
Esta opción ya la vimos antes, para hacer un scatter plot
solo tenemos que usar geom_point() y de manera obligatoria
incluir las posiciones de x e y. Por ejemplo, el ataque
(attack) en x y el ataque especial (sp_attack) en y,
coloreo si es legendario o no (is_legendary)*.
*antes tengo que transformarla en discreta 🤫
df$is_legendary <- as.character(df$is_legendary)
ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary)) +
geom_point()
2.2.3 Barras - geom_bar() y geom_col()
Aquí tenemos dos opciones. Por un lado, geom_bar()
permite generar barras de frecuencia a partir de una variable. Solo
necesitas especificar la variable en x o y. Por ejemplo, la frecuencia
de Pokémon por primer tipo (type1).
ggplot(data=df, aes(x=type1)) +
geom_bar()
Mientras que en geom_col() en lugar de calcular la
función la altura en base a la frecuencia, esta debe venir dada. Es
necesario indicar tanto x como y. Para este ejemplo voy a crear un
dataframe nuevo con los promedios de ataque por tipo 1 y voy a indicar
que use ese promedio para el color. 🔥 En este caso el color viene dado
por fill ya que color sirve para el
contorno.
df_avg <- df[,c('type1', 'attack')] %>%
group_by(type1) %>%
summarise(attack = mean(attack))
ggplot(data=df_avg, aes(x=type1, y=attack, fill=attack)) +
geom_col()
2.2.4 Histograma - geom_histogram()
Realizar un histograma es muy sencillo 🙂 con la función
geom_histogram(). Solo es necesario indicar la variable en
x o y. Puedes establecer el número de bins con el parámetro
bins. Por ejemplo, el histograma de velocidad
(speed) de los Pokémon usando 10 bins.
ggplot(data=df, aes(x=speed)) +
geom_histogram(bins=10)
2.2.5 Boxplot - geom_boxplot()
Los diagramas de cajas y bigotes son un clásico y aquí puedes hacerlo
con geom_boxplot(). Solo necesitas indicar la variable en x
o y. Aunque ojo 👁️🗨️ ya que puedes dividir esta variable de acuerdo a una
segunda dada. Por ejemplo, el ataque especial (sp_attack) por
primer tipo (type1).
ggplot(data=df, aes(x=type1, y=sp_attack)) +
geom_boxplot()
2.3 Personalización
2.3.1 Etiquetas
Como te estarás dando cuenta, en gráficos como los de puntos no
aparecen las etiquetas con los nombres. Introducirlo es muy sencillo con
geom_text(), indicando en el parámetro label
la variable de texto a usar. Por ejemplo, incluir en gráfico del inicio
los nombres de los Pokémon (name) con más de 130 de ataque y
defensa (para que sea legible 😵).
ggplot(data=df, aes(x=attack, y=defense, color=base_total)) +
geom_point() +
geom_text(data=df[which(df$attack>130 & df$defense>130),], aes(x=attack, y=defense, label=name))
2.3.2 Colores
Podemos establecer escalas de color de forma manual una vez indicado
que esta escala viene dada por una variable. En el caso de variables
continuas puedes usar scale_color_gradient() para
establecer un degradado de color.
ggplot(data=df, aes(x=attack, y=defense, color=base_total)) +
geom_point() +
scale_color_gradient(low='#5880ab', high='#f47267')
De hecho, existen muchos paquetes complementarios a
ggplot2 que añaden muchas posibilidades. Por ejemplo, con
viridis podemos usar la tradicional escala de colores con
la función scale_color_viridis().
ggplot(data=df, aes(x=attack, y=defense, color=base_total)) +
geom_point() +
scale_color_viridis()
En el caso de variable discretas es muy sencillo, con
scale_color_manual() podemos hacerlo simplemente indicando
en values a qué valor corresponde cada color.
ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary)) +
geom_point() +
scale_color_manual(values=c('0'='#57a1d1', '1'='#bb3f25'))
2.3.3 Nombres
Por si no te diste cuenta, estos gráficos incluyen por defecto los
nombres de las variables en los ejes 🙃. Este problema se soluciona
rápidamente con labs() indicando para cada variable el
nombre exacto que queremos, e incluso podemos introducir un título.
ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary)) +
geom_point() +
scale_color_manual(values=c('0'='#57a1d1', '1'='#bb3f25')) +
labs(x='Ataque', y='Ataque especial', title='Scatter plot de ataque y ataque especial de los Pokémon', color='Legendario')
2.3.4 Temas
A tu gráfico ya le queda poco para ser pro 🥳. Puedes usar alguno de
los temas que ggplot2 incluye para mejorar el estilo del
gráfico. Yo voy a usar theme_classic().
ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary)) +
geom_point() +
scale_color_manual(values=c('0'='#57a1d1', '1'='#bb3f25')) +
labs(x='Ataque', y='Ataque especial', title='Scatter plot de ataque y ataque especial de los Pokémon', color='Legendario') +
theme_classic()
2.3.5 Editor visual
Antes de que desesperes tratando de configurar tu gráfico al
milímetro, has de saber que existen otros paquetes de ayuda que
despliegan menus interactivos para configurar tu gráfico en
ggplot2 como ggThemeAssist.
3 plotly
En plotly puedes realizar gráficos interactivos e
incluso publicarlos online en Chart Studio. Se trata de un
paquete muy útil y fácil de manejar.
3.1 Gráficos interactivos
Gracias a este paquete es posible generar gráficos interactivos
pudiendo explorar al detalle las visualizaciones. De manera básica se
pueden introducir cajas con información que se despliegan al pasar el
ratón sobre los elementos del gráfico usando el parámetro
hovertemplate.
plot_ly(data=df, x=~attack, y=~sp_attack, color=~is_legendary,
type='scatter', mode='markers',
text=~name,
hovertemplate = 'Nombre: %{text}<br>Ataque: %{x}<br>Ataque especial: %{y}<extra></extra>')Existe todo un mundo de posibilidades, pudiendo incorporar elementos como selectores, botones, filtros…
plot_ly(data=df, x=~attack, y=~sp_attack, color=~is_legendary,
type='scatter', mode='markers',
text=~name,
hovertemplate = 'Nombre: %{text}<br>Ataque: %{x}<br>Ataque especial: %{y}<extra></extra>') %>%
rangeslider(c(40, 180))3.2 Gráficos nativos
A la hora de realizar estos gráficos, por un lado, puedes construir
gráficos usando solamente plotly y mediante una sintaxis
muy similar a la de ggplot2. De manera general se usa
siempre la función plot_ly() y dentro el data.frame en
data, los ejes x y/o y, color… y el tipo de gráfico se
especifica a través de los parámetros type y
mode.
3.2.1 Líneas
Solo tienes que indicar en type el tipo scatter y en
mode lines.
plot_ly(data=df, x=~pokedex_number, y=~attack, color=~generation, type='scatter', mode='lines')3.2.2 Puntos
Solo tienes que indicar en type el tipo scatter y en
mode marks.
plot_ly(data=df, x=~attack, y=~sp_attack, color=~is_legendary, type='scatter', mode='markers')3.2.3 Barras
Solo tienes que indicar en type el tipo bar.
plot_ly(data=df_avg, x=~type1, y=~attack, color=~attack, type='bar')3.2.4 Histograma
Solo tienes que indicar en type el tipo histogram.
plot_ly(data=df, x=~speed, type='histogram', nbinsx=10)3.2.5 Boxplot
Solo tienes que indicar en type el tipo box
plot_ly(data=df, x=~type1, y=~sp_attack, type='box')3.3 Convertir desde ggplot2
Pero una opción que te puede venir mucho mejor es convertir
directamente en gráfico interactivo el gráfico que ya tenías en
ggplot2 con la función ggplotly(). Por
ejemplo, vamos a probar con el último gráfico que hicimos con
ggplot2.
gg2 <- ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary)) +
geom_point() +
scale_color_manual(values=c('0'='#57a1d1', '1'='#bb3f25')) +
labs(x='Ataque', y='Ataque especial', title='Scatter plot de ataque y ataque especial de los Pokémon', color='Legendario') +
theme_classic()
ggplotly(gg2)En este caso, para que aparezca el nombre tenemos que introducir
dicha variable ya directamente en ggplot2.
gg2 <- ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary, text=name)) +
geom_point() +
scale_color_manual(values=c('0'='#57a1d1', '1'='#bb3f25')) +
labs(x='Ataque', y='Ataque especial', title='Scatter plot de ataque y ataque especial de los Pokémon', color='Legendario') +
theme_classic()
ggplotly(gg2)Y en el caso de querer personalizar mejor el cuadro de texto, una
opción es jugar con el parámetro text en
ggplot() y con tooltip en
ggplotly().
gg2 <- ggplot(data=df, aes(x=attack, y=sp_attack, color=is_legendary, text=paste('<b>Nombre:</b>',name, '<br><b>Ataque:</b>', attack, '</b>', '<br><b>Ataque especial:</b>', sp_attack, '</b>'))) +
geom_point() +
scale_color_manual(values=c('0'='#57a1d1', '1'='#bb3f25')) +
labs(x='Ataque', y='Ataque especial', title='Scatter plot de ataque y ataque especial de los Pokémon', color='Legendario') +
theme_classic()
ggplotly(gg2,
tooltip = 'text')3.4 Publicación
¿Y cómo puedo subirlo a algún sitio? Muy fácil, regístrate en en Chart Studio y obtén tu clave de la API. Tras ello introduce tus credenciales en la sesión de R.
Sys.setenv('plotly_username'='Wences91')
Sys.setenv('plotly_api_key'='LZck6J3QA3df6eMwcXxi')Tras ello usa la función api_create() para crearlo 👌.
api_create(ggplotly(gg2,
tooltip = 'text'),
filename='Gráfico Pokémon #yosigopublicando')